病理AI资讯周报 第13期 |(2026.5.14-5.21)

1. Google DeepMind AMIE：AI在29/32维度超越医生

2026年5月15日，Google DeepMind发布多模态医疗AI模型AMIE。

在模拟临床场景中，AMIE与18位初级保健医生进行随机对照测试，在32个评估维度中的29个上表现优于人类医生。

惊人发现：AI在"共情能力"和"诚实可信"上也超越了医生。

⚠️ 但请注意——这是模拟场景测试，不是真实世界临床实践。

2. 影像AI实现乳腺癌"一级预防"

2026年5月21日，《Science Translational Medicine》发表重磅研究。

基于影像的AI风险模型，首次实现乳腺癌一级预防——不是发现癌症，而是提前识别高风险人群并干预。

• 3个国家队列验证，中位随访10年

• AUC=0.72，校准度极高

• 在"top10%高风险人群"中，AI预测了33%的乳腺癌病例，传统模型仅20-24%

这意味着：未来我们可能通过AI预判风险，在癌症发生前就进行干预。

3. 前列腺癌AI：诊断周转缩短30%

来自学术医疗中心的真实世界验证——不是实验室测试，是真正投入日常病理报告签发流程的数据。

• 灵敏度91%-100%，AUC=0.97

• 诊断周转时间缩短30%

• 免疫组化检测使用率下降38%

这意味着：AI不仅辅助诊断，还直接降低了诊疗成本和患者等待时间。

4. SCRIPT：大模型从病理报告提取预后标志物

研究团队用LLaMA 3.3 700亿参数大模型，直接从纯文本病理报告生成风险评分。

疾病特异性生存期的风险比高达5.85（P<0.001）。

不需要额外检测，不增加病理医师工作负荷，直接利用现有文本资料。

AI质控系统：日处理6000+张

大型三甲肿瘤医院的数据显示：

• 组织褶皱检测一致性>97%

• 单张分析仅17秒

• 日处理超6000张

• 压力测试零失败

AI质控正式纳入数字病理标准化工作流。

ClinSegAI肿瘤分割：DSC 0.79

基于BiomedParse的后处理框架，在多个数据集中DSC达0.79，优于多款主流工具。

单张图像处理仅30秒，占用4GB显存。

❌ 反面警示：ChatGPT甲状腺诊断失败

《Human Pathology》研究给通用大模型泼了冷水：

• ChatGPT Bethesda分类准确率：26.2%

• Gemini：23.6%

• 完全认不出髓样癌、间变性癌

结论：通用大模型在专科病理诊断上远未达到临床可用水平。

数字孪生：从NASA走向临床

五级架构：基因组→细胞→组织器官→全身→群体。

目前处于第三层级（组织与器官）起步阶段。

关键挑战：模拟运算耗时数小时、LLM幻觉风险、法律责任界定模糊。

产业合作动态

• 印度首套240切片系统：巴萨瓦塔拉卡姆医院启用罗氏DP600

• PathAI会诊平台：AISight Dx获FDA+CE-IVD双认证

• 阿斯利康+罗氏：三年战略合作，覆盖九大亚洲市场

• Lumea获奖：BxBoard活检技术，无效检测下降2.1倍

美国试图叫停医保AI审批试点

民主党议员联合行动，试图叫停联邦医保WISeR AI预授权试点。

争议：上线不合规、患者就医延误、薪酬机制催生拒诊。

美国医疗数据跨境政策收紧

新规划定健康、基因组数据跨境传输红线，尤其强化对华数据管控。

将阻碍国际联合医疗科研和AI协同创新。

• 中国脑机接口实用化：解码速度达每分钟300汉字，6月推出智能轮椅

• 多智能体AI药物研发：覆盖假设到验证的完整闭环

• AI价值医疗：联邦医保推行结果导向付费，打通AI慢病管理报销通道

• ChatCPR开源急救AI：实时指导心肺复苏，超越人类调度员

洞察一：通用大模型 vs 专用AI，鸿沟巨大

AMIE在29/32维度超越医生，ChatGPT甲状腺诊断准确率仅26%。

真正的临床价值来自专业模型，而非通用API。

洞察二：AI就绪性=病理学家参与度

巴基斯坦病理学家零扫描仪起步，用静态图像发表论文。

没有病理学家的专业判断，再好的模型也是黑箱。

洞察三：瓶颈不是AI，是标准化

放射科几十年前就用DICOM解决了互通问题，病理领域至今仍被厂商私有格式困住。

数据格式的统一比算法创新更紧迫。